Conclusion :
C'est ainsi que l'économétrie des données
de panel est supposée être le meilleur moyen pour prendre en
compte les phénomènes de croissance car elle fournit des
informations en dynamique pour un grand nombre de pays.
On s'intéresse par la suite de tester
économétriquement les effets des variables structurelles,
institutionnelle et humaine sur la croissance économique dans ces pays
et résultats obtenus qui sera l'objet de section trois toute en
utilisant un logiciel Stata 9.1 pour faire l'estimation en appliquant la
méthode de G.M.M.
.
SECTION 3 : RESULTATS ET INTERPRETATIONS
Cette section sera consacrée dans un premier temps,
à donner des statistiques descriptives concernant tout
l'échantillon. Dans un second temps, seront présentés les
principaux résultats des estimations effectuées dans le cadre de
cet essai de validation empirique pour finir par certains commentaires toute en
appuyant sur les résultats de la zone M.E.N.A
3.1. Statistiques descriptives des variables
Avant de procéder aux estimations, on propose dans
cette partie de présenter les statistiques descriptives relatives aux
variables utilisées ainsi que les corrélations entre ces
variables.
3.1.1. Statistiques descriptive des données
Les statistiques descriptives de la variable endogène
et des variables explicatives ainsi que les corrélations entre les
différentes variables sont présentées dans le tableau
Statistique descriptif suivant : Tableau 4
|
Variables
|
Observations
|
Moyenne
|
Ecart- type
|
Minimum
|
Maximum
|
|
PIB g/ téte
|
1818
|
1.25126
|
.1466839
|
-52.09713
|
100.8401
|
|
Linvest
|
1554
|
9.803836
|
.0255178
|
7.399662
|
12.28769
|
|
L pop
|
1899
|
7.045401
|
.0154164
|
5.378398
|
9.107346
|
|
Lkh
|
1128
|
1.048727
|
.0173771
|
- .941574
|
1.988335
|
|
Ouvert
|
1786
|
66.27373
|
.8410226
|
8.959347
|
275.2324
|
|
Icg_qog
|
1624
|
.5820333
|
.0061292
|
.0416667
|
1
|
3.1.2. Corrélation entre les variables
En vue de détecter une éventuelle relation entre
les différentes variables, on va présente les différents
coefficients de corrélation dans le tableau suivant pour tester la
corrélation entre ces variables.
ü Un coefficient de corrélation élevé
(proche de 1en valeur absolu) indique une forte corrélation entre les
variables utilisées.
ü Un coefficient de corrélation faible (proche de 0)
indique une faible corrélation entre les variables utilisées.
Tableau 6 : les corrélations entre les
variables
|
Variables
|
pib_gr~e
|
Logfbkf
|
logkh
|
log_pop
|
ouvert
|
icrg_qog
|
|
pib_gr_tete
|
1.0000
|
|
|
|
|
|
|
Logfbkf
|
0.1997
|
1.0000
|
|
|
|
|
|
logkh
|
0.1476
|
0.6994
|
1.0000
|
|
|
|
|
log_pop
|
0.1080
|
0.5732
|
- 0.0147
|
1.0000
|
|
|
|
Ouvert
|
0.1270
|
- 0.1046
|
0.1154
|
- 0.3733
|
1.0000
|
|
|
icrg_qog
|
0.1109
|
0.6492
|
0.5989
|
0.0133
|
0.1152
|
1.0000
|
Généralement, les valeurs qui sont
supérieurs ou égale à 0.5 indique que les variables sont
fortement corrélés positivement où négativement
selon l'effet de variable en considération sur l'autre.
D'après le tableau qui représente les
différents coefficients de corrélation, on remarque une forte
corrélation positive entre Linvest et Lkh de (0.7288), et d'autres
corrélations qui sont faiblement corrélés par exemple
pib_gr_tete et Lpop de (0.0679). Aussi, il existe des corrélations
négatives entre les variables dépendants et
indépendantes.
| 
